研究进展：脉冲神经网络优化-算法 | Nature Computational Science

文章预览

通过构建精确再现大脑活动各方面的计算模型，有助于理解大脑功能。脉冲神经元网络捕获了神经元回路的基本生物物理学，然而这些活动取决于模型参数，这是众所周知的复杂。因此，启发式方法已用于配置脉冲网络模型，这导致无法发现复杂到足以匹配大规模神经元记录的活动机制。 近日，美国 卡内基梅隆大学（Carnegie Mellon University）Shenghao Wu，Matthew A. Smith, Brent Doiron, Byron M. Yu等，在Nature Computational Science上发文，提出了一种自动程序，即基于种群统计的脉冲神经网络优化Spiking Network Optimization using Population Statistics (SNOPS)，用以定制脉冲网络模型，并再现了大规模神经元记录的种群范围协变性。 首先证实了基于种群统计的脉冲神经网络优化SNOPS，可准确地恢复模拟的神经活动统计数据。然后，将基于种群统计的脉冲神经网络优化SNOPs应用于猕猴 ………………………………